#recommender-system 仓库
探索 45 个标记为 #recommender-system 的活跃开源 GitHub 仓库,它们累计获得 184,431 个 Star(平均每个项目 4,098 个)。该主题的领先项目是 qdrant/qdrant,拥有 35,653 个 Star。
共 45 个仓库
适用于工业搜索、推荐和广告的优秀深度学习论文。这些论文聚焦于Embedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM和RL。请引用我们的论文“Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives”(TOIS 2026)
一本名为《Practical Recommender Systems》的书中使用的Django网站,用于说明如何实现推荐算法。
NVIDIA Merlin 是一个开源库,提供端到端的 GPU 加速推荐系统,涵盖从特征工程和预处理到深度学习模型训练以及在生产环境中运行推理的整个过程。
[Pytorch] 使用来自“Recommender Systems with Generative Retrieval”的语义 ID 的生成检索模型
MLGB是一个包含许多用于TensorFlow & PyTorch的CTR预测和推荐系统模型的库。「妙计包」是一个包含50+个CTR预测和推荐系统深度学习模型的库,用TensorFlow和PyTorch编写。
"DaisyRec 2.0: Benchmarking Recommendation for Rigorous Evaluation" (TPAMI2022) 和 "Are We Evaluating Rigorously? Benchmarking Recommendation for Reproducible Evaluation and Fair Comparison" (RecSys2020) 的官方代码
常见问题解答
GitHub 上最受欢迎的 #recommender-system 仓库是什么?
GitHub 上排名第一的开源 #recommender-system 项目是 qdrant/qdrant,拥有 35,653 个 Star。Qdrant - 面向下一代人工智能的高性能、大规模向量数据库和向量搜索引擎。也提供云版本 https://cloud.qdrant.io/
#recommender-system 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #recommender-system 项目中,最常见的编程语言是 Python, Rust, Go, Jupyter Notebook。
#recommender-system 仓库的排名是如何计算的?
我们跟踪了 45 个标记为 #recommender-system 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 184,431 个 Star,平均每个仓库拥有 4,098 个 Star。排名每日根据 GitHub API 更新。